Skanna flera filer

Teamets utlåningsdata är nu uppdelad i en CSV-fil per år (seattle_2021.csv, seattle_2022.csv, seattle_2023.csv). Dessa filer använder de gamla kolumnnamnen usageclass och materialtype. Använd ett glob-mönster för att skanna alla filer tillsammans som ett logiskt dataset och bygg sedan en sammanfattning av fysiska utlån.

polars är inläst som pl, och katalogen finns i MULTIFILE_DIR.

Den här övningen är en del av kursen

Skalning och optimering av datapipelines med Polars

Visa kurs

Övningsinstruktioner

Skanna alla seattle_*.csv-filer i MULTIFILE_DIR med ett glob-mönster.
Filtrera det kombinerade datasetet till "Physical"-utlån och gruppera sedan efter materialtype.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Scan every yearly file using a glob pattern
yearly_checkouts = pl.____(
    str(MULTIFILE_DIR / "____")
)

# Build a physical-checkout summary across the combined dataset
result = (
    yearly_checkouts
    # Filter to physical
    .filter(pl.col("usageclass") == "____")
    .group_by("____")
    .agg(pl.col("checkouts").sum().alias("total"))
    .sort("total", descending=True)
    .collect()
)
print(result)

Redigera och kör kod